W ciągu pięciu miesięcy od wydania Qwen2-VL deweloperzy zbudowali na jego podstawie nowe modele, dostarczając cennych opinii. Teraz Qwen2.5-VL wprowadza ulepszone możliwości, w tym precyzyjną analizę obrazów, tekstów i wykresów oraz lokalizację obiektów ze strukturalnymi wynikami JSON. Rozumie długie filmy, identyfikuje kluczowe wydarzenia i działa jako agent, współpracujący z narzędziami na komputerach i telefonach. Architektura modelu obejmuje dynamiczne przetwarzanie wideo i zoptymalizowany enkoder ViT dla lepszej szybkości i dokładności.
Amazon Nova Lite to wszechstronny model multimodalny, zaprojektowany do przetwarzania tekstu, obrazów i wideo, generujący tekstowe wyniki. Dzięki oknu kontekstowemu o wielkości 300 000 tokenów doskonale nadaje się do interakcji w czasie rzeczywistym, analizy dokumentów oraz wizualnego odpowiadania na pytania. Jako część modeli bazowych Amazon Nova obsługuje dostrajanie i destylację, umożliwiając zaawansowaną personalizację.
| Qwen2.5-VL-32B | Nova Lite | |
|---|---|---|
Strona internetowa
| - | |
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst obrazy wideo | tekst obrazy wideo |
Dostawcy API
| - | Amazon Bedrock |
Data ostatniej aktualizacji wiedzy
| Nieznane | Celowo nieujawnione |
Open Source
| Tak (Źródło) | Nie |
Cena za wejście
| $0 | $0.06 za milion tokenów |
Cena za wyjście
| $0 | $0.24 za milion tokenów |
MMLU
| 78.4% Źródło | 80.5% CoT Źródło |
MMLU-Pro
| 49.5% | Niedostępne |
MMMU
| 70% | Niedostępne |
HellaSwag
| Niedostępne | Niedostępne |
HumanEval
| Niedostępne | 85.4% pass@1 Źródło |
MATH
| 82.2% | 73.3% CoT Źródło |
GPQA
| 46.0% Diamond | 42% Main Źródło |
IFEval
| Niedostępne | 89.7% Źródło |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplikacja mobilna | - | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.